MySQL索引的原理：B+树详解（通俗易懂）

1.为什么使用索引？

2为什么使用B+树？

3B+树的特点

目录

1.为什么使用索引查询会变快？

对于刚接触索引的人来说，可以知道的只有，加索引，查询就会变快。可是为什么呢？

我们来看这样一个例子。

对于column2列。如果我们要找到数据为6，如果没有任何的索引，我们需要查找几次呢？

答案是六次，一次顺序查找，从首项3开始到末项。我们找一个值，如果没有加索引，在最差的情况下（查找的数在末项），需要六次，这只是数据量为6条的情况下，那么如果这个表有几百万条数据，而需要被查找的数据又刚好在末尾，那么我们岂不是要查找几百万次才能找到这个数，显然，这个效率我们是无法接受的。

而我们就需要新的解决方案来应对这样的问题。

所以我们引入索引这个概念。

什么是索引？

索引是存储引擎用于快速找到记录的一种数据结构——《高性能MySQL》

我的理解就是排好序的数据结构。

如果我们刚才的数据是排好序的数据结构，比如下面这个，那么我们需要几次查找呢？假设一次磁盘I/O可以吧一个结点调入内存，并在内存中比较。（在内存中速度非常快，我们忽略不计。）

那么我们只需要 3次查找，如果我们的数据又几百万条，那么效率就大大提高了。

2为什么使用B+树？

了解了前面的铺垫，那么我们想提高效率，就需要选择正确的数据结构，使得这个排好序的数据结构，查找效率高。

那么为什么不是二叉树？不是红黑树？而是你B+树呢？

当使用二叉查找树作为这种数据结构时，当数据是从1,2,3,4,5,6这种数据插入到数据表里面，会怎么样？

那么在最差的情况下，我们查找数6，居然需要6次查找，这是无法接受的，相当于遍历这个表。

出现这样的原因是，二叉查找树不是一颗平衡树，不会平衡。那么我们使用红黑树好了，它会平衡，不会出现这样的问题。

效果如图：（当数据是从1到10顺序插入）

 

效率是提高了，但是当数据量提高到几百万行的时候，红黑树的高度还是太高了。我们想要减少它的高度，

那么这个数据结构的解决方案就是使用B+树。

3。B+树的特点

什么是B+树，我的理解是就是多叉平衡树。

原本红黑树的每个节点，只有一个索引，而B+树就是多个，这样说难以理解，看图7和9为同一个结点，10和11 为同一个结点，还可以存储更多的索引。

这样它的高度就会降低超级多，通常B+树的高度低于5，所以我们查找一个数最多只需要五次磁盘I/O。

B+树的特点：

1非叶子结点不存储数据，那么它就可以存储更多的索引。

2叶子结点区间之间有访问指针，提高区间的访问性能。

至于B+树是如何实现的，有点复杂，有兴趣的可以自己查资料。

 

4聚集索引和非聚集索引

在b+树的数据结构作为索引时，会分为聚集索引和非聚集索引。

使用InoDB作为存储引擎的时候，就是聚集索引，使用MYSAM作为存储引擎的时候，就是非聚集索引。

聚集索引就是数据和表放在一次（聚集）在叶子结点存放的是数据（完整的行记录），非聚集索引就是数据和表文件分开（非聚集）在叶子结点存放的是索引，需要在查找一次才能找到数据。